Thesis defense - Anastasia Rusakovich
Long-read sequencing to investigate the role of circular RNA in melanoma treatment resistance and to identify new biomarkers
Mercredi 25 novembre, 14h00
Under the supervision of Yuna BLUM, Thomas DERRIEN, Marie-Dominique GALIBERT
Circular RNAs (circRNAs) are covalently closed non-coding RNAs with exceptional stability and emerging roles in cancer, making them attractive biomarker and therapeutic candidates. Their full characterisation at the isoform level remains limited by short-read sequencing. Long-read sequencing can span full-length circRNA sequences in a single read, but reliability of this approach depends on the computational tools used for detection and isoform reconstruction. While dedicated tools exist, none has been independently benchmarked on the same dataset against a known ground truth to evaluate its performance.
This thesis addresses these gaps through three steps. First, we developed an in silico circRNA simulation framework to generate a data-driven, less database-dependent ground truth. Second, we conducted the first independent benchmarking study of these tools, defined standardised metrics, and released an accessible Nextflow pipeline with containerised tools for community use. Third, we applied this framework to cutaneous melanoma to profile circRNA isoform diversity in therapy-sensitive versus BRAF inhibitor-resistant cells, with the aim of identifying candidate biomarkers and therapeutic targets.
Composition of the jury
- Christine GASPIN,
- Thomas FARAUT,
- Camille MARCHET,
- Frédéric CHALMEL,
- Cédric COULOUARN,
- Yuna BLUM
Download the poster
Biology, Health
Soutenance de thèse - Anastasia Rusakovich
Séquençage à longues lectures pour étudier le rôle des ARN circulaires dans la résistance au traitement du mélanome et identifier de nouveaux biomarqueurs
Mercredi 25 novembre, 14h00
Sous la direction de Yuna BLUM, Thomas DERRIEN, Marie-Dominique GALIBERT
Les ARN circulaires (ARNc) sont des ARN non codants fermés de manière covalente, dotés d’une stabilité exceptionnelle et de rôles émergents dans le cancer, ce qui en fait des candidats prometteurs comme biomarqueurs et cibles thérapeutiques. Leur caractérisation complète au niveau des isoformes reste limitée par le séquençage à courtes lectures. Le séquençage à longues lectures permet de couvrir l’intégralité des séquences d’ARNc en une seule lecture, mais la fiabilité de cette approche dépend des outils informatiques utilisés pour leur détection et la reconstruction des isoformes. Bien que des outils dédiés existent, aucun n’a encore fait l’objet d’une évaluation comparative indépendante sur un même jeu de données, en comparaison avec une vérité terrain connue, pour en mesurer les performances.
Cette thèse comble ces lacunes en trois étapes. Premièrement, nous avons développé un cadre de simulation in silico d’ARNc pour générer une vérité terrain basée sur les données et moins dépendante des bases de données existantes. Deuxièmement, nous avons mené la première étude d’évaluation comparative indépendante de ces outils, défini des métriques standardisées et publié un pipeline Nextflow accessible, avec des outils conteneurisés, à destination de la communauté. Enfin, nous avons appliqué ce cadre au mélanome cutané pour profiler la diversité des isoformes d’ARNc dans des cellules sensibles à la thérapie par rapport à des cellules résistantes aux inhibiteurs de BRAF, dans le but d’identifier des biomarqueurs et cibles thérapeutiques potentiels.
Composition du jury
- Christine GASPIN,
- Thomas FARAUT,
- Camille MARCHET,
- Frédéric CHALMEL,
- Cédric COULOUARN,
- Yuna BLUM
Biologie, Santé
